Contexto

El paquete nycflights13 contiene información sobre todos los vuelos que partieron desde Nueva York (EWR, JFK Y LGA) a destinos en los Estados Unidos en 2013. Fueron 336,776 vuelos en total. Para ayudar a comprender las causas de los retrasos, también incluye otros conjuntos de datos útiles.

Este paquete incluye las siguientes tablas:

  • flights = todos los vuelos que salieron de New York en 2013
  • weather = datos metereológicos por hora de cada aeropuerto
  • planes= información de construcción de cada avión
  • airports = nombres y ubicaciones de aeropuertos
  • airlines= relación entre nombres y códigos de las aerolíneas

Instalar paquetes y guardar librerías

# install.packages("nycflights13")
library(nycflights13)
#install.packages("tidyverse")
library (tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.4.4     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

Guardar bases de datos

flights <- flights
weather <- weather
planes <- planes
airports <- airports
airlines <- airlines

Fuente:
Origen de los datos

Relación entre las bases de datos

Funciones básicas de Manejo de Datos

Select

La función select sirve para seleccionar columnas de una tabla (data frame).

df1 <- flights %>% select (carrier, flight) # Selección de columnas específicas
df2 <- flights %>% select (carrier:distance) # Selección de rango de columnas
df3 <- flights %>% select (-carrier, -flight) # Eliminar columnas específicas
df4 <- flights %>% select (-carrier: -distance) # Eliminar rango de columnas 
df5 <- flights %>% select (aerolinea = carrier) # Selecciona una columna y le cambia el nombre
df6 <- flights %>% rename (aerolinea=carrier) # Cambia el nombre de una columna pero mantiene a toda la base datos 

Filter

La función filter sirve para seleccionar renglones de una tabla (data frame).

df7 <- flights %>% filter (dep_delay>=500) # Extrae renglones que cumplen con la condición
# Condicionales: Igual ==, Desigual =!=, Mayor que >, Mayor o igual que >=, Menor que <, Menor o igual que <=
# Operadores Lógicos: AND &, OR |, NOT !
df8 <- flights %>% filter (dep_delay>=500, dep_delay<600) # Extrae renglones que cumplan con dos condiciones
df9 <- flights %>% slice (1000:1099) # Extrae los números de los renglones indicados, sin importar sus valores

La función slide sirve para seleccionar renglones en específico de una tabla

Distinct

La función distint sirve para eliminar renglones duplicados.

df10 <- distinct(flights) # Dejar solo los renglones diferentes, borra todos los repetidos

Merge

La función merge sirve para juntar bases de datos

bdgrande <- merge(flights, airlines, by="carrier")
bdgrande2 <- merge(bdgrande,planes, by="tailnum")

Mutate

La función Mutate para crear una nueva variable a partir de operaciones de las variables que ya estan en la base de datos

bdgrande3 <- mutate(bdgrande2, dist_mts= distance*1.609)
# Agrega variables nuevas calculadas a partir de variables existentes en la base de datos

EJERCICIOS

  1. Encuentra todos los vuelos que tuvieron un atraso de 2 horas o más en llegada
ejercicio1 <- bdgrande2 %>% filter (arr_delay>=120)
  1. Encuentra todos los vuelos que llegaron a Houston (IAH o HOU)
ejercicio2 <- bdgrande2 %>% filter(dest== "IAH"|dest =="HOU")
  1. Encuentra todos los vuelos operados por United, American o Delta
ejercicio3 <- bdgrande2 %>% filter(carrier %in% c("UA","AA","DL"))
  1. Encuentra todos los vuelos que despegaron en Julio, Agosto o Septiembre
ejercicio4 <- bdgrande2 %>% filter(month %in% c("7","8","9"))
  1. Encuentra todos los vuelos que arribaron más de 2 horas tarde, pero no despegaron tarde
ejercicio5 <- bdgrande2 %>% filter(arr_delay> 120 & dep_delay <= 0)
  1. Encuentra todos los vuelos que se retrasaron al menos 1 hora, pero que llegaron antes 30 minutos o más.
ejercicio6 <- bdgrande2 %>% filter(dep_delay >= 60 & arr_delay <= -30)
  1. Encuentra todos los vuelos que salieron entre la medianoche y las 6 a.m.
ejercicio7 <- bdgrande2 %>% filter(dep_time>= 2400 & dep_time <= 600)
LS0tDQp0aXRsZTogIkRhdGEgV3JhbmdsaW5nIFBhcnRlIDEiDQphdXRob3I6ICJDYW1pbGEgQ2V2YWxsb3MgQTAwODM3MzU1Ig0KZGF0ZTogIjIwMjQtMDItMjAiDQpvdXRwdXQ6IA0KICBodG1sX2RvY3VtZW50Og0KICAgIHRvYzogVFJVRQ0KICAgIHRvY19mbG9hdDogVFJVRQ0KICAgIGNvZGVfZG93bmxvYWQ6IFRSVUUNCiAgICB0aGVtZTogeWV0aQ0KLS0tDQoNCg0KIVtdKEM6XFxVc2Vyc1xcQ2FtaWxhXFxEb3dubG9hZHNcXGF2aW9uLmpwZykNCg0KIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiByZWQ7Ij5Db250ZXh0bzwvc3Bhbj4NCkVsIHBhcXVldGUgKipueWNmbGlnaHRzMTMqKiBjb250aWVuZSBpbmZvcm1hY2nDs24gc29icmUgdG9kb3MgbG9zIHZ1ZWxvcyBxdWUgcGFydGllcm9uIGRlc2RlIE51ZXZhIFlvcmsgKEVXUiwgSkZLIFkgTEdBKSBhIGRlc3Rpbm9zIGVuIGxvcyBFc3RhZG9zIFVuaWRvcyBlbiAyMDEzLiBGdWVyb24gMzM2LDc3NiB2dWVsb3MgZW4gdG90YWwuIFBhcmEgYXl1ZGFyIGEgY29tcHJlbmRlciBsYXMgY2F1c2FzIGRlIGxvcyByZXRyYXNvcywgdGFtYmnDqW4gaW5jbHV5ZSBvdHJvcyBjb25qdW50b3MgZGUgZGF0b3Mgw7p0aWxlcy4gIA0KDQpFc3RlIHBhcXVldGUgaW5jbHV5ZSBsYXMgc2lndWllbnRlcyB0YWJsYXM6IA0KDQoqIGZsaWdodHMgPSB0b2RvcyBsb3MgdnVlbG9zIHF1ZSBzYWxpZXJvbiBkZSBOZXcgWW9yayBlbiAyMDEzICAgIA0KKiB3ZWF0aGVyID0gZGF0b3MgbWV0ZXJlb2zDs2dpY29zIHBvciBob3JhIGRlIGNhZGEgYWVyb3B1ZXJ0byAgDQoqIHBsYW5lcz0gaW5mb3JtYWNpw7NuIGRlIGNvbnN0cnVjY2nDs24gZGUgY2FkYSBhdmnDs24gIA0KKiBhaXJwb3J0cyA9IG5vbWJyZXMgeSB1YmljYWNpb25lcyBkZSBhZXJvcHVlcnRvcyAgDQoqIGFpcmxpbmVzPSByZWxhY2nDs24gZW50cmUgbm9tYnJlcyB5IGPDs2RpZ29zIGRlIGxhcyBhZXJvbMOtbmVhcyAgDQoNCg0KIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiBibHVlOyI+SW5zdGFsYXIgcGFxdWV0ZXMgeSBndWFyZGFyIGxpYnJlcsOtYXM8L3NwYW4+DQpgYGB7cn0NCiMgaW5zdGFsbC5wYWNrYWdlcygibnljZmxpZ2h0czEzIikNCmxpYnJhcnkobnljZmxpZ2h0czEzKQ0KI2luc3RhbGwucGFja2FnZXMoInRpZHl2ZXJzZSIpDQpsaWJyYXJ5ICh0aWR5dmVyc2UpDQpgYGANCg0KDQojIDxzcGFuIHN0eWxlID0iY29sb3I6IGJsdWU7Ij5HdWFyZGFyIGJhc2VzIGRlIGRhdG9zPC9zcGFuPg0KYGBge3J9DQpmbGlnaHRzIDwtIGZsaWdodHMNCndlYXRoZXIgPC0gd2VhdGhlcg0KcGxhbmVzIDwtIHBsYW5lcw0KYWlycG9ydHMgPC0gYWlycG9ydHMNCmFpcmxpbmVzIDwtIGFpcmxpbmVzDQpgYGANCg0KRnVlbnRlOiAgIA0KW09yaWdlbiBkZSBsb3MgZGF0b3NdKGh0dHBzOi8vY3Jhbi5yLXByb2plY3Qub3JnL3dlYi9wYWNrYWdlcy9ueWNmbGlnaHRzMTMvbnljZmxpZ2h0czEzLnBkZikNCg0KDQojIDxzcGFuIHN0eWxlID0iY29sb3I6IGJsdWU7Ij5SZWxhY2nDs24gZW50cmUgbGFzIGJhc2VzIGRlIGRhdG9zPC9zcGFuPiANCg0KIVtdKEM6XFxVc2Vyc1xcQ2FtaWxhXFxEb3dubG9hZHNcXHJlbGF0aW9uYWwtbnljZmxpZ2h0cy5wbmcpIA0KDQojIDxzcGFuIHN0eWxlID0iY29sb3I6IGJsdWU7Ij4gRnVuY2lvbmVzIGLDoXNpY2FzIGRlIE1hbmVqbyBkZSBEYXRvczwvc3Bhbj4gDQoNCiMjIDxzcGFuIHN0eWxlID0iY29sb3I6IGJsdWU7Ij5TZWxlY3Q8L3NwYW4+DQpMYSBmdW5jacOzbiAqc2VsZWN0KiBzaXJ2ZSBwYXJhIHNlbGVjY2lvbmFyIGNvbHVtbmFzIGRlIHVuYSB0YWJsYSAoKmRhdGEgZnJhbWUqKS4NCmBgYHtyfQ0KZGYxIDwtIGZsaWdodHMgJT4lIHNlbGVjdCAoY2FycmllciwgZmxpZ2h0KSAjIFNlbGVjY2nDs24gZGUgY29sdW1uYXMgZXNwZWPDrWZpY2FzDQpkZjIgPC0gZmxpZ2h0cyAlPiUgc2VsZWN0IChjYXJyaWVyOmRpc3RhbmNlKSAjIFNlbGVjY2nDs24gZGUgcmFuZ28gZGUgY29sdW1uYXMNCmRmMyA8LSBmbGlnaHRzICU+JSBzZWxlY3QgKC1jYXJyaWVyLCAtZmxpZ2h0KSAjIEVsaW1pbmFyIGNvbHVtbmFzIGVzcGVjw61maWNhcw0KZGY0IDwtIGZsaWdodHMgJT4lIHNlbGVjdCAoLWNhcnJpZXI6IC1kaXN0YW5jZSkgIyBFbGltaW5hciByYW5nbyBkZSBjb2x1bW5hcyANCmRmNSA8LSBmbGlnaHRzICU+JSBzZWxlY3QgKGFlcm9saW5lYSA9IGNhcnJpZXIpICMgU2VsZWNjaW9uYSB1bmEgY29sdW1uYSB5IGxlIGNhbWJpYSBlbCBub21icmUNCmRmNiA8LSBmbGlnaHRzICU+JSByZW5hbWUgKGFlcm9saW5lYT1jYXJyaWVyKSAjIENhbWJpYSBlbCBub21icmUgZGUgdW5hIGNvbHVtbmEgcGVybyBtYW50aWVuZSBhIHRvZGEgbGEgYmFzZSBkYXRvcyANCmBgYA0KDQojIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiBibHVlOyI+RmlsdGVyPC9zcGFuPg0KTGEgZnVuY2nDs24gKmZpbHRlciogc2lydmUgcGFyYSBzZWxlY2Npb25hciByZW5nbG9uZXMgZGUgdW5hIHRhYmxhICgqZGF0YSBmcmFtZSopLg0KYGBge3J9DQpkZjcgPC0gZmxpZ2h0cyAlPiUgZmlsdGVyIChkZXBfZGVsYXk+PTUwMCkgIyBFeHRyYWUgcmVuZ2xvbmVzIHF1ZSBjdW1wbGVuIGNvbiBsYSBjb25kaWNpw7NuDQojIENvbmRpY2lvbmFsZXM6IElndWFsID09LCBEZXNpZ3VhbCA9IT0sIE1heW9yIHF1ZSA+LCBNYXlvciBvIGlndWFsIHF1ZSA+PSwgTWVub3IgcXVlIDwsIE1lbm9yIG8gaWd1YWwgcXVlIDw9DQojIE9wZXJhZG9yZXMgTMOzZ2ljb3M6IEFORCAmLCBPUiB8LCBOT1QgIQ0KZGY4IDwtIGZsaWdodHMgJT4lIGZpbHRlciAoZGVwX2RlbGF5Pj01MDAsIGRlcF9kZWxheTw2MDApICMgRXh0cmFlIHJlbmdsb25lcyBxdWUgY3VtcGxhbiBjb24gZG9zIGNvbmRpY2lvbmVzDQpkZjkgPC0gZmxpZ2h0cyAlPiUgc2xpY2UgKDEwMDA6MTA5OSkgIyBFeHRyYWUgbG9zIG7Dum1lcm9zIGRlIGxvcyByZW5nbG9uZXMgaW5kaWNhZG9zLCBzaW4gaW1wb3J0YXIgc3VzIHZhbG9yZXMNCmBgYA0KTGEgZnVuY2nDs24gKnNsaWRlKiBzaXJ2ZSBwYXJhIHNlbGVjY2lvbmFyIHJlbmdsb25lcyBlbiBlc3BlY8OtZmljbyBkZSB1bmEgdGFibGENCg0KIyMgPHNwYW4gc3R5bGUgPSJjb2xvcjogYmx1ZTsiPkRpc3RpbmN0PC9zcGFuPg0KTGEgZnVuY2nDs24gKmRpc3RpbnQqIHNpcnZlIHBhcmEgZWxpbWluYXIgcmVuZ2xvbmVzIGR1cGxpY2Fkb3MuDQpgYGB7cn0NCmRmMTAgPC0gZGlzdGluY3QoZmxpZ2h0cykgIyBEZWphciBzb2xvIGxvcyByZW5nbG9uZXMgZGlmZXJlbnRlcywgYm9ycmEgdG9kb3MgbG9zIHJlcGV0aWRvcw0KYGBgDQoNCiMjIDxzcGFuIHN0eWxlID0iY29sb3I6IGJsdWU7Ij5NZXJnZTwvc3Bhbj4NCkxhIGZ1bmNpw7NuICptZXJnZSogc2lydmUgcGFyYSBqdW50YXIgYmFzZXMgZGUgZGF0b3MNCmBgYHtyfQ0KYmRncmFuZGUgPC0gbWVyZ2UoZmxpZ2h0cywgYWlybGluZXMsIGJ5PSJjYXJyaWVyIikNCmJkZ3JhbmRlMiA8LSBtZXJnZShiZGdyYW5kZSxwbGFuZXMsIGJ5PSJ0YWlsbnVtIikNCmBgYA0KDQojIyA8c3BhbiBzdHlsZSA9ImNvbG9yOiBibHVlOyI+TXV0YXRlPC9zcGFuPg0KTGEgZnVuY2nDs24gKk11dGF0ZSogcGFyYSBjcmVhciB1bmEgbnVldmEgdmFyaWFibGUgYSBwYXJ0aXIgZGUgb3BlcmFjaW9uZXMgZGUgbGFzIHZhcmlhYmxlcyBxdWUgeWEgZXN0YW4gZW4gbGEgYmFzZSBkZSBkYXRvcw0KYGBge3J9DQpiZGdyYW5kZTMgPC0gbXV0YXRlKGJkZ3JhbmRlMiwgZGlzdF9tdHM9IGRpc3RhbmNlKjEuNjA5KQ0KIyBBZ3JlZ2EgdmFyaWFibGVzIG51ZXZhcyBjYWxjdWxhZGFzIGEgcGFydGlyIGRlIHZhcmlhYmxlcyBleGlzdGVudGVzIGVuIGxhIGJhc2UgZGUgZGF0b3MNCmBgYA0KDQoNCiMjIDxzcGFuIHN0eWxlID0iY29sb3I6IGJsdWU7Ij5FSkVSQ0lDSU9TPC9zcGFuPg0KDQoxLiBFbmN1ZW50cmEgdG9kb3MgbG9zIHZ1ZWxvcyBxdWUgdHV2aWVyb24gdW4gYXRyYXNvIGRlIDIgaG9yYXMgbyBtw6FzIGVuIGxsZWdhZGENCmBgYHtyfQ0KZWplcmNpY2lvMSA8LSBiZGdyYW5kZTIgJT4lIGZpbHRlciAoYXJyX2RlbGF5Pj0xMjApDQoNCmBgYA0KDQoyLiBFbmN1ZW50cmEgdG9kb3MgbG9zIHZ1ZWxvcyBxdWUgbGxlZ2Fyb24gYSBIb3VzdG9uIChJQUggbyBIT1UpDQpgYGB7cn0NCmVqZXJjaWNpbzIgPC0gYmRncmFuZGUyICU+JSBmaWx0ZXIoZGVzdD09ICJJQUgifGRlc3QgPT0iSE9VIikNCmBgYA0KDQozLiBFbmN1ZW50cmEgdG9kb3MgbG9zIHZ1ZWxvcyBvcGVyYWRvcyBwb3IgVW5pdGVkLCBBbWVyaWNhbiBvIERlbHRhDQpgYGB7cn0NCmVqZXJjaWNpbzMgPC0gYmRncmFuZGUyICU+JSBmaWx0ZXIoY2FycmllciAlaW4lIGMoIlVBIiwiQUEiLCJETCIpKQ0KYGBgDQoNCjQuIEVuY3VlbnRyYSB0b2RvcyBsb3MgdnVlbG9zIHF1ZSBkZXNwZWdhcm9uIGVuIEp1bGlvLCBBZ29zdG8gbyBTZXB0aWVtYnJlDQpgYGB7cn0NCmVqZXJjaWNpbzQgPC0gYmRncmFuZGUyICU+JSBmaWx0ZXIobW9udGggJWluJSBjKCI3IiwiOCIsIjkiKSkNCmBgYA0KDQo1LiBFbmN1ZW50cmEgdG9kb3MgbG9zIHZ1ZWxvcyBxdWUgYXJyaWJhcm9uIG3DoXMgZGUgMiBob3JhcyB0YXJkZSwgcGVybyBubyBkZXNwZWdhcm9uIHRhcmRlDQpgYGB7cn0NCmVqZXJjaWNpbzUgPC0gYmRncmFuZGUyICU+JSBmaWx0ZXIoYXJyX2RlbGF5PiAxMjAgJiBkZXBfZGVsYXkgPD0gMCkNCmBgYA0KDQo2LiBFbmN1ZW50cmEgdG9kb3MgbG9zIHZ1ZWxvcyBxdWUgc2UgcmV0cmFzYXJvbiBhbCBtZW5vcyAxIGhvcmEsIHBlcm8gcXVlIGxsZWdhcm9uIGFudGVzIDMwIG1pbnV0b3MgbyBtw6FzLg0KYGBge3J9DQplamVyY2ljaW82IDwtIGJkZ3JhbmRlMiAlPiUgZmlsdGVyKGRlcF9kZWxheSA+PSA2MCAmIGFycl9kZWxheSA8PSAtMzApDQpgYGANCg0KNy4gRW5jdWVudHJhIHRvZG9zIGxvcyB2dWVsb3MgcXVlIHNhbGllcm9uIGVudHJlIGxhIG1lZGlhbm9jaGUgeSBsYXMgNiBhLm0uDQpgYGB7cn0NCmVqZXJjaWNpbzcgPC0gYmRncmFuZGUyICU+JSBmaWx0ZXIoZGVwX3RpbWU+PSAyNDAwICYgZGVwX3RpbWUgPD0gNjAwKQ0KYGBgDQoNCg==